又是快一年沒寫部落格了，2013年也只剩尾巴，也不知道今年都忙了些什麼。寫這篇文章的目的，主要是把今年以來學習的一些東西積澱下來，同時作為之前文章《高效能分散式計算與儲存系統設計概要》的補充與提升，然而本人水平非常有限，回頭看之前寫的文章也有許多不足，甚至是錯誤，希望同學們看到了錯誤多多見諒，更歡迎與我討論並指正。

好了，下面開始說我們今天要設計的系統。

這個系統的目標很明確，針對千萬級以上PV的網站，設計一套用於後臺的高併發的分散式處理系統。這套系統包含業務邏輯的處理、各種計算、儲存、日誌、備份等方面內容，可用於類微博，SNS，廣告推送，郵件等有大量線上併發請求的場景。

如何抗大流量高併發？（不要告訴我把伺服器買的再好一點）說起來很簡單，就是“分”，如何“分”，簡單的說就是把不同的業務分拆到不同的伺服器上去跑（垂直拆分），相同的業務壓力分拆到不同的伺服器去跑（水平拆分），並時刻不要忘記備份、擴充套件、意外處理等討厭的問題。說起來都比較簡單，但設計和實現起來，就會比較困難。以前我的文章，都是“從整到零”的方式來設計一個系統，這次咱們就反著順序來。

那我們首先來看，我們的資料應該如何儲存和取用。根據我們之前確定的“分”的方法，先確定以下2點：

（1）我們的分散式系統，按不同的業務，儲存不同的資料；（2）同樣的業務，同一個資料應儲存多份，其中有的儲存提供讀寫，而有的儲存只提供讀。

好，先解釋下這2點。對於（1）應該容易理解，比如說，我這套系統用於微博（就假想我們做一個山寨的推特吧，給他個命名就叫“山推” 好了，以下都叫山推，Stwi），那麼，“我關注的人”這一個業務的資料，肯定和“我發了的推文”這個業務的資料是分開儲存的，那麼我們現在把，每一個業務所負責的資料的儲存，稱為一個group。即以group的方式，來負責各個業務的資料的儲存。接下來說（2），現在我們已經知道，資料按業務拆到group裡面去存取，那麼一個group裡面又應該有哪些角色呢？自然的，應該有一臺主要的機器，作為group的核心，我們稱它為Group Master，是的，它就是這個group的主要代表。這個group的資料，在Group Master上應該都能找到，進行讀寫。另外，我們還需要一些輔助角色，我們稱它們為Group Slaves，這些slave機器做啥工作呢？它們負責去Group Master處拿資料，並儘量保持和它同步，並提供讀服務。請注意我的用詞，“儘量”，稍後將會解釋。現在我們已經有了一個group的基本輪廓：

一個group提供對外的介面（廢話否則怎麼存取資料），group的底層可以是實際的File System，甚至是HDFS。Group Master和Group Slave可以共享同一個File System（用於不能丟資料的強一致性系統），也可以分別指向不同的File System（用於弱一致性，允許停寫服務和系統宕機時丟資料的系統），但總之應認為這個”File System”是無狀態，有狀態的是Group Master和各個Group Slave。

下面來說一個group如何工作，同步等核心問題。首先，一個group的Group Master和Group Slave
間應保持強一致性還是弱一致性（最終一致性）應取決於具體的業務需求，以我們的“山推”來說，Group Master和Group Slave並不要求保持強一致性，而弱一致性（最終一致性）即能滿足要求，為什麼？因為對於“山推”來講，一個Group Master寫了一個數據，而另一個Group Slave被讀到一個“過期”（因為Group Master已經寫，但此Group Slave還未更新此資料）的資料通常並不會帶來大問題，比如，我在“山推”上發了一個推文，“關注我的人”並沒有即時同步地看到我的最新推文，並沒有太大影響，只要“稍後”它們能看到最新的資料即可，這就是所謂的最終一致性。但當Group Master掛掉時，寫服務將中斷一小段時間由其它Group Slave來頂替，稍後還要再講這個問題。假如我們要做的系統不是山推，而是淘寶購物車，支付寶一類的，那麼弱一致性（最終一致性）則很難滿足要求，同時寫服務掛掉也是不能忍受的，對於這樣的系統，應保證“強一致性”，保證不能丟失任何資料。

接下來還是以我們的“山推“為例，看看一個group如何完成資料同步。假設，現在我有一個請求要寫一個數據，由於只有Group Master能寫，那麼Group Master將接受這個寫請求，並加入寫的佇列，然後Group Master將通知所有Group Slave來更新這個資料，之後這個資料才真正被寫入File System。那麼現在就有一個問題，是否應等所有Group Slave都更新了這個資料，才算寫成功了呢？這裡涉及一些NWR的概念，我們作一個取捨，即至少有一個Group Slave同步成功，才能返回寫請求的成功。這是為什麼呢？因為假如這時候Group Master突然掛掉了，那麼我們至少可以找到一臺Group Slave保持和Group Master完全同步的資料並頂替它繼續工作，剩下的、其它的Group Slave將“非同步”地更新這個新資料，很顯然，假如現在有多個讀請求過來併到達不同的Group Slave節點，它們很可能讀到不一樣的資料，但最終這些資料會一致，如前所述。我們做的這種取捨，叫“半同步”模式。那之前所說的強一致性系統應如何工作呢？很顯然，必須得等所有Group Slave都同步完成才能返回寫成功，這樣Group Master掛了，沒事，其它Group Slave頂上就行，不會丟失資料，但是付出的代價就是，等待同步的時間。假如我們的group是跨機房、跨地區分佈的，那麼等待所有Group Slave同步完成將是很大的效能挑戰。所以綜合考慮，除了對某些特別的系統，採用“最終一致性”和“半同步”工作的系統，是符合高併發線上應用需求的。而且，還有一個非常重要的原因，就是通常線上的請求都是讀>>寫，這也正是“最終一致性”符合的應用場景。

好，繼續。剛才我們曾提到，如果Group Master宕機掛掉，至少可以找到一個和它保持同不的Group Slave來頂替它繼續工作，其它的Group Slave則“儘量”保持和Group Master同步，如前文所述。那麼這是如何做到的呢？這裡涉及到“分散式選舉”的概念，如Paxos協議，通過分散式選舉，總能找到一個最接近Group Master的Group Slave，來頂替它，從而保證系統的可持續工作。當然，在此過程中，對於最終一致性系統，仍然會有一小段時間的寫服務中斷。現在繼續假設，我們的“山推”已經有了一些規模，而負責“山推”推文的這個group也有了五臺機器，並跨機房，跨地區分佈，按照上述設計，無論哪個機房斷電或機器故障，都不會影響這個group的正常工作，只是會有一些小的影響而已。

那麼對於這個group，還剩2個問題，一是如何知道Group Master掛掉了呢？二是在圖中我們已經看到Group Slave是可擴充套件的，那麼新加入的Group Slave應如何去“偷”資料從而逐漸和其它節點同步呢？對於問題一，我們的方案是這樣的，另外提供一個類似“心跳”的服務（由誰提供呢，後面我們將講到的Global Master將派上用場），group內所有節點無論是Group Master還是Group Slave都不停地向這個“心跳”服務去申請一個證書，或認為是一把鎖，並且這個鎖是有時間的，會過期。“心跳”服務定期檢查Group Master的鎖和其有效性，一旦過期，如果Group Master工作正常，它將鎖延期並繼續工作，否則說明Group Master掛掉，由其它Group Slave競爭得到此鎖（分散式選舉），從而變成新的Group Master。對於問題二，則很簡單，新加入的Group Slave不斷地“偷”老資料，而新資料總由於Group Master通知其更新，最終與其它所有結點同步。（當然，“偷”資料所用的時間並不樂觀，通常在小時級別）

中篇連結

下篇連結